Flink 实践教程-进阶（2）：复杂格式数据抽取
作者：腾讯云流计算 Oceanus 团队
流计算 Oceanus 简介
流计算 Oceanus 是大数据产品生态体系的实时化分析利器，是基于 Apache Flink 构建的具备一站开发、无缝连接、亚秒延时、低廉成本、安全稳定等特点的企业级实时大数据分析平台。流计算 Oceanus 以实现企业数据价值最大化为目标，加速企业实时化数字化的建设进程。本文将为您详细介绍如何实时获取 CKafka 中的 JSON 格式数据，经过数据抽取、平铺转换后存入 MySQL 中。
前置准备
创建流计算 Oceanus 集群
进入流计算 Oceanus 控制台 [1]，点击左侧【集群管理】，点击左上方【创建集群】，具体可参考流计算 Oceanus 官方文档 创建独享集群 [2]。
创建消息队列 CKafka
进入 CKafka 控制台 [3]，点击左上角【新建】，即可完成 CKafka 的创建，具体可参考 CKafka 创建实例 [4]。创建 Topic： 进入 CKafka 实例，点击【topic 管理】>【新建】，即可完成 Topic 的创建，具体可参考 CKafka 创建 Topic [5]。数据准备： 进入同子网的 CVM 下，启动 Kafka 客户端，模拟发送数据，具体操作参见 运行 Kafka 客户端 [6]。
// 数据格式{"id": 1,"message": "流计算 Oceanus 1元限量秒杀活动","userInfo": {"name": "张三","phone": ["12345678910", "8547942"]},"companyInfo": {"name": "Tencent","address": "深圳市腾讯大厦"}}
创建 MySQL 实例
进入 MySQL 控制台 [7]，点击【新建】。具体可参考官方文档 创建 MySQL 实例 [8]。
-- 建表语句CREATE TABLE `oceanus_advanced2` (`id` int (100) NOT NULL,`message` varchar (100) NULL DEFAULT '',`name` varchar (50) NULL DEFAULT '',`phone` varchar (11) NULL DEFAULT '',`company_name` varchar (100) NULL DEFAULT '',`company_address` varchar (100) NULL DEFAULT '',PRIMARY KEY (`id`)) ENGINE = innodb
流计算 Oceanus 作业
1. 创建 Source
CREATE TABLE `kafka_json_source_table` (`id` INT,`message` STRING,`userInfo` ROW<`name` STRING,`phone` ARRAY<STRING>>, -- 采用 ROW 嵌套 ARRAY 格式接收 JSON 字段`companyInfo` MAP<STRING,STRING> -- 采用 MAP 格式接收 JSON 字段) WITH ('connector' = 'kafka','topic' = 'oceanus_advanced2', -- 替换为您要消费的 Topic'scan.startup.mode' = 'earliest-offset', -- 可以是 latest-offset/earliest-offset/specific-offsets/group-offsets/timestamp 的任何一种'properties.bootstrap.servers' = '10.0.0.29:9092', -- 替换为您的 Kafka 连接地址'properties.group.id' = 'testGroup', -- 必选参数, 一定要指定 Group ID'format' = 'json', -- 定义 JSON 格式，部分其他格式可能不支持抽取平铺'json.fail-on-missing-field' = 'false', -- 如果设置为 false, 则遇到缺失字段不会报错。'json.ignore-parse-errors' = 'true' -- 如果设置为 true，则忽略任何解析报错。);
2. 创建 Sink
CREATE TABLE `jdbc_upsert_sink_table` (`id` INT,`message` STRING,`name` STRING,`phone` STRING,`company_name` STRING,`company_address` STRING) WITH ('connector' = 'jdbc','url' = 'jdbc:mysql://10.0.0.158:3306/testdb?rewriteBatchedStatements=true&serverTimezone=Asia/Shanghai', -- 请替换为您的实际 MySQL 连接参数'table-name' = 'oceanus_advanced2', -- 需要写入的数据表'username' = 'root', -- 数据库访问的用户名（需要提供 INSERT 权限）'password' = 'Tencent123$', -- 数据库访问的密码'sink.buffer-flush.max-rows' = '200', -- 批量输出的条数'sink.buffer-flush.interval' = '2s' -- 批量输出的间隔);
3. 编写业务 SQL
INSERT INTO `jdbc_upsert_sink_table`SELECTid AS id,message AS message,userInfo.name AS name, -- 获取 Row 中成员采用.成员的方式userInfo.phone[1] AS phone, -- 获取 Array 中成员采用 [数组下标] 的方式companyInfo['name'] AS company_name, -- 获取 Map 中成员采用 ['属性名'] 的方式companyInfo['address'] AS company_addressFROM `kafka_json_source_table`;
新版 Flink 1.13 集群无需用户选择内置 Connector，平台自动匹配获取
总结
本文详细介绍了如何通过 SQL 作业定义和获取 MAP、ARRAY、ROW 类型数据。更多内置运算符和函数请参考流计算 Oceanus 官方文档 [9]。
参考链接
[1]流计算 Oceanus 控制台：https://console.cloud.tencent.com/oceanus/overview
[2] 创建独享集群：https://cloud.tencent.com/document/product/849/48298
[3] CKafka 控制台：https://console.cloud.tencent.com/ckafka/index?rid=1
[4] CKafka 创建实例：https://cloud.tencent.com/document/product/597/54839
[5] Ckafka 创建 Topic：https://cloud.tencent.com/document/product/597/54854
[6] 运行 Kafka 客户端：https://cloud.tencent.com/document/product/597/56840
[7] MySQL 控制台：https://console.cloud.tencent.com/cdb
[8] 创建 MySQL 实例：https://cloud.tencent.com/document/product/236/46433
[9] 内置运算符和函数：https://cloud.tencent.com/document/product/849/18083
关注“腾讯云大数据”公众号，技术交流、最新活动、服务专享一站Get~
